https://github.com/rociobenitez/injuries_knee_classifier

Predictive model to classify knee injury risk based on biomechanical data using a Random Forest classifier.
https://github.com/rociobenitez/injuries_knee_classifier

jupyter-notebook knee-injuries machine-learning predictive-modeling python random-forest random-forest-classifier sklearn

Last synced: 6 months ago
JSON representation

Predictive model to classify knee injury risk based on biomechanical data using a Random Forest classifier.

• Host: GitHub
• URL: https://github.com/rociobenitez/injuries_knee_classifier
• Owner: rociobenitez
• Created: 2024-08-20T16:06:36.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2024-12-18T14:03:37.000Z (over 1 year ago)
• Last Synced: 2025-04-07T14:48:01.366Z (over 1 year ago)
• Topics: jupyter-notebook, knee-injuries, machine-learning, predictive-modeling, python, random-forest, random-forest-classifier, sklearn
• Language: Jupyter Notebook
• Homepage:
• Size: 2.35 MB
• Stars: 0
• Watchers: 1
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# Clasificador de Lesiones de Rodilla

## Descripción del Proyecto

Este proyecto representa la **segunda fase** de un sistema predictivo aplicado al ámbito clínico-deportivo, centrado en el desarrollo de un modelo de machine learning para **predecir el riesgo de lesión de rodilla** a partir de datos biomecánicos.

Tras evaluar múltiples algoritmos, el modelo **Random Forest** fue seleccionado por su robustez, interpretabilidad y rendimiento general, optimizado mediante **GridSearchCV** con validación cruzada.

Este trabajo surge como evolución de la investigación inicial presentada en el **11º Congreso Conjunto AEA-SEROD** (Barcelona) _([ver certificado](/src/pdf/240626-aea-serod2024-certificado-ponente-medico.pdf))_, donde se abordó el riesgo global de lesiones musculoesqueléticas. En esta fase, el foco se centra exclusivamente en lesiones de rodilla, destacando la **aplicación práctica de la inteligencia artificial en biomecánica**.

## Contexto del Proyecto

- **Fase 1:** Diseño y despliegue de un sistema predictivo para lesiones musculoesqueléticas generales ([ver repositorio](https://github.com/rociobenitez/BiomechanicalRiskPrediction)), incluyendo el uso de Google Cloud Platform.

- **Fase 2:** Enfoque específico en la predicción de lesiones de rodilla mediante algoritmos de clasificación supervisada.

Este proyecto ha sido **reconocido a nivel científico**, y ha contado con colaboración de equipos médicos y de investigación especializados.

## Modelos Evaluados

Se evaluaron diferentes algoritmos de clasificación para determinar el más adecuado según criterios de precisión, recall y capacidad de generalización:

- **Random Forest** _(seleccionado)_

- Bagging Classifier

- Decision Tree

- Gradient Boosting Classifier

- Voting Classifier

El modelo final fue optimizado mediante **GridSearchCV**, empleando validación cruzada con 10 pliegues.

## Resultados Clave

- **Puntuación media de validación cruzada**: 0.669

- **Parámetros óptimos**:

  - `max_depth`: 6

  - `max_features`: 'log2'

  - `min_samples_leaf`: 1

  - `min_samples_split`: 2

- **Precisión entrenamiento**: 0.9779

- **Precisión test**: 0.7353

- **AUC-ROC**: 0.7612

![Curva ROC](src/img/ROC-randomforestclassifier.png)

### Métricas Detalladas:

| Clase                 | Precisión | Recall | F1-score |

| --------------------- | --------- | ------ | -------- |

| Sin lesión de rodilla | 0.75      | 0.71   | 0.73     |

| Lesión de rodilla     | 0.72      | 0.76   | 0.74     |

### Matriz de Confusión:

![Matriz de Confusión](src/img/matriz-confusion-randomforestclassifier.png)

![Matriz Normalizada](src/img/matriz-normalizada-randomforestclassifier.png)

### Conclusión

El modelo **Random Forest** ofreció el mejor equilibrio entre precisión y generalización en comparación con otros algoritmos evaluados, siendo especialmente efectivo para contextos clínicos en los que el **riesgo de lesión debe anticiparse con una base cuantificable y replicable**.

## Características Utilizadas

Las variables utilizadas incluyen datos antropométricos, biomecánicos y clínicos. Algunas de las más relevantes:

- **Antropometría**: IMC, altura, peso, edad, talla de calzado

- **Cinemática y dinámica**: step rate, pace, velocidad, step length, stride angle, power, pronation excursion, vertical GRF rate, vertical spring stiffness, contact ratio, impacto GS

- **Tipo de pisada**: footstrike type, braking GS, shock

- **Variables clínicas**: Torsión Femoral Externa, Foot Posture Index (FPI), Hallux Limitus, prueba de Jack, prueba de Thomas, genu recurvatum

## Consideraciones Éticas y Confidenciales

Por razones de confidencialidad y protección de datos, los archivos del conjunto de datos (`dataset_run.csv` y asociados) no están disponibles públicamente. Los datos utilizados pertenecen al equipo de investigación de la **Universidad San Jorge de Zaragoza**, y forman parte de un estudio clínico en curso.

Para más información o interés en colaboración científica, se recomienda contactar directamente con la institución: [www.usj.es](https://www.usj.es/).